Efektivita výroby s digitálnym dvojčaťom

Digitálna výzva zákazníka vo výrobe

Strojárska spoločnosť čelila výzve – chýbal jej prehľad o efektivite vnútropodnikových pohybov. Interná logistika, pohyb AMR robota a zásahy údržby sa síce diali, ale bez presných dát a vizualizácie. Rozhodovanie o zlepšeniach sa tak opieralo viac o domnienky než o dôkazy.

Oblasti výroby, ktoré si žiadali nové riešenie

Zákazník potreboval získať riešenie pre tieto dve oblasti:

  • Online zobrazovanie KPI  pre stroje a zariadenia v reálnom čase – sledovanie vybraných KPI pre vybrané stroje a zariadenia cez web, aplikáciu…
  • Vyťaženie pracovníka údržby – sledovanie jeho prítomnosti na pracovisku, reakčných časov na incidenty, kvality zásahov a porovnania so stanoveným plánom údržby.

Chýbal mu nástroj, ktorý by tieto informácie zobrazil v reálnom čase, prepojil ich s plánovanými činnosťami a umožnil historickú analýzu.

Digitálne dvojča v praxi

Nasadili sme systém Twinzo – digitálne dvojča výrobnej haly, ktoré zabezpečilo zber a vizualizáciu údajov v reálnom čase. V rámci priestoru haly boli rozmiestnené lokalizačné beacony a snímače, ktoré umožnili presné sledovanie pohybu mobilného robota a pracovníka údržby. Získané údaje boli zobrazované v 3D vizualizácii a interaktívnych dashboardoch.

Projekt bol zameraný na:

  • 3D vizualizáciu haly a pohybu AMR a pracovníka údržby v reálnom čase.
  • Historické prehrávanie dát (tzv. time-travel) pre spätnú analýzu.
  • Analýzu zotrvania v zónach (napr. nakládka, servis, oddych, nabíjanie).
  • Zber KPI: dĺžka cyklov, doba prestojov, reakčný čas na poruchy,
  • Porovnanie plánovaných údržbárskych zásahov s reálnou činnosťou,
  • Notifikácie pri dlhšej nečinnosti alebo neštandardnom pohybe.

Vďaka týmto funkciám sa všetky dáta zbierali automaticky, bez zásahu do bežnej prevádzky, a poskytovali robustný základ pre optimalizáciu a rozhodovanie.

Digitálne dvojča v praxi

Čo bolo výnimočné?

    • Kombinácia reálneho sveta s 3D vizualizáciou – okamžite odhalila neefektívne trasy, čakania a nečinnosť.
    • Porovnanie plán vs. realita pri údržbárskych zásahoch – to prinieslo objektívny obraz o výkone.
    • Heatmapy a zónové dáta pomohli optimalizovať layout a logistiku.
    • Pokročilé analytické nástroje Twinzo – ako zónová analýza, automatický zber KPI, sledovanie reakčných časov a vizualizácia historických trendov, umožnili rýchlejšie rozhodovanie a odhaľovanie neefektívností.
    • Inteligentné notifikácie – systém okamžite upozornil na kritické situácie (napr. neštandardný pohyb alebo prestoje).
    • Dynamické dashboardy KPI – poskytli automatické a prehľadné vyhodnotenie výkonnostných ukazovateľov s možnosťou ich filtrovania a exportu.

Posun smerom k Smart Factory

Twinzo sa stal centrálnym nástrojom vizualizácie a analýzy, ktorý priniesol reálne výsledky:

  • Odhalenie príčin prestojov AMR – ako neoptimálne trasy či čakanie na nakládku.
  • Presné dáta o vyťažení pracovníka údržby v rôznych zónach haly.
  • Porovnanie reakčných časov údržbárov medzi zmenami, čo zlepšilo operatívne plánovanie.
  • Analýza plánu verzus realita – identifikácia vynechaných alebo oneskorených zásahov.
  • Vizuálny prehľad pohybu v hale a lokalizácia úzkych miest.
  • Online vizualizácia vybraných KPI v reálnom čase s možnosťou jednoduchého grafického zobrazenia historického priebehu vybraných KPI

Merateľné prínosy nasadenia Twinzo:

  • Zníženie prestojov AMR o 22 %.
  • Rýchlejšia reakcia údržby o 35 %.
  • Zvýšenie efektivity pracovníka údržby o 28 %.
  • Transparentnosť výkonu v reálnom čase.
  • Úspora času pri vyhodnocovaní a plánovaní až 40 %.
  • Lepšia informovanosť vďaka notifikáciám a prehrávaniu dáta

„Konečne vidíme, čo sa v našej výrobe naozaj deje. Vďaka Twinzo máme prehľad o tom, kde a prečo vznikajú prestoje, ako rýchlo reaguje údržba a čo sa reálne deje v jednotlivých zónach haly. Už sa nespoliehame na odhady – máme dáta, ktoré nám dávajú istotu pri rozhodovaní. Ušetrili sme čas, zlepšili plánovanie a vieme reagovať rýchlejšie.“ - — Zákazník, strojárska spoločnosť

Dáta získané počas projektu zároveň otvárajú možnosti ďalšieho využitia:

  • Root-cause analýza prestojov – vďaka spätnej vizualizácii pohybov je hľadanie príčin výrazne rýchlejšie,
  • Klasifikácia porúch a neefektívnych zásahov – pre lepšie plánovanie a prevenciu,
  • Simulácia alternatívneho rozloženia výroby alebo logistiky – na základe reálneho vyťaženia jednotlivých zón.

Tieto analýzy síce nie sú súčasťou základného systému Twinzo, ale vďaka zhromaždeným dátam ich možno realizovať s vyššou presnosťou a efektivitou.

Tento projekt je ukážkou, že moderné nástroje ako Twinzo pomáhajú pri prechode k Smart Factory – efektívnejšej, dátami riadenej výrobe, ktorá nestojí len na intuícii, ale na faktoch.

Zaujíma vás, ako môže digitálne dvojča zmeniť aj vašu výrobu?

Radi vám ukážeme možnosti prispôsobené vášmu prostrediu.